Examinando por Autor "Amelong, Agustina"
Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
Ítem Acceso Abierto Bases genéticas de la determinación de números de granos en una población de RILs en maíz(2015) Amelong, Agustina; Borrás, Lucas; Gambín, Brenda L.La mayor parte de las variaciones de rendimiento en maíz son explicadas por cambios en el número de granos fijados. El número de granos es dependiente de la biomasa acumulada en espiga (BE) alrededor de la floración. Ambos son caracteres cuantitativos influenciados por el ambiente. La determinación de las bases genéticas de los caracteres cuantitativos resulta compleja producto de interacciones genotipo x ambiente. Los modelos ecofisiológicos son una posible solución a este problema ya que están diseñados para predecir interacciones genotipo x ambiente basándose en respuestas dinámicas de la variable en estudio. En la presente tesis se estudiaron las regiones cromosómicas (QTL) asociadas a la determinación de número de granos en maíz a nivel de planta a través de dos análisis de QTL diferentes: (i) sobre los caracteres finales per se (números de granos por planta, NGP, y biomasa acumulada en la espiga al final del período de floración, BE) y (ii) sobre parámetros específicos de un modelo ampliamente documentado que describe la respuesta del NGP y la BE al crecimiento por planta alrededor de la floración. Se detectaron QTL para NGP, BE y los parámetros del modelo que relacionan NGP y BE con el crecimiento por planta para 125 RILs de la población IBM Syn4 (B73 x Mo17) evaluadas en dos ambientes. Posteriormente se evaluaron varias de estas RILs y otras líneas de la misma población que no estaban incluidas en el análisis de QTL con el objetivo de predecir la BE y el NGP basados en la información de QTL proveniente de cada análisis. La hipótesis a testear es que realizar un análisis de QTL sobre los parámetros del modelo ecofisiológico que describe la respuesta del NGP y la BE al crecimiento por planta alrededor de la floración permitirá predecir estos rasgos de manera más robusta que usar información QTL de los caracteres per se. Todos los caracteres mostraron variaciones significativas entre RILs y ambos análisis detectaron varios QTL para todos los caracteres. Los QTL asociados a BE y NGP per se no se localizaron en las mismas regiones que los QTL detectados para los parámetros del modelo. La información del QTL de los parámetros del modelo ayudó a predecir la BE y el NGP con mayor precisión (r2= 0,13 y 0,12, p<0,001, para BE y NGP, respectivamente) que predecir BE y NGP basados en los QTL detectados para los caracteres finales per se (r2<0,01 y <0,01, p>0,10, para BE y NGP, respectivamente). Hay que destacar que la incorporación de información sobre el crecimiento de las plantas estuvo relacionada a la mejora de las predicciones en el enfoque que emplea el modelo ecofisiológico. En síntesis, se identificaron regiones cromosómicas que incluyen genes potencialmente relevantes relacionados con la determinación de NGP en maíz y se empleó un enfoque que combina la información genética con modelo ecofisiológico para predecir el NGP. La información obtenida ayudó a predecir el NGP sólo parcialmente, sugieriendo que son necesarios otros enfoques.